Sei sulla pagina 1di 19
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl
Estadística III Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl

Estadística III

Prof.: Karina Rodríguez N. E-mail: krodriguez@uchile.cl

Temas Administrativos  Revisión del programa  Metodología de trabajo  Tema: Clases y programas

Temas Administrativos

Revisión del programa

Metodología de trabajo

Tema: Clases y programas de cálculo + calculadora.

Tema: Moodle, correo electrónico y MSN

Tema: ayudantías

Sistema de Evaluaciones y Fechas

Muestreo: 6 de septiembre y 12 de octubre

RLM: 8 de noviembre

RLB: 22 de noviembre

Examen: 6 de diciembre

Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad
Líneas Generales 1° Unidad

Líneas Generales 1° Unidad

Proceso de Investigación Publicación Validación Análisis Producción Información Diseño de Instrumentos Diseño de

Proceso de Investigación

Proceso de Investigación Publicación Validación Análisis Producción Información Diseño de Instrumentos Diseño de

Publicación

Validación

Análisis
Análisis
Producción Información Diseño de Instrumentos Diseño de Investigación Formulación del problema
Producción Información
Diseño de Instrumentos
Diseño de Investigación
Formulación del problema
Sobre el problema (1) Problema / Preguntas Justificación Objetivos Investigación Alcances de la

Sobre el problema (1)

Problema / Preguntas

Problema / Preguntas

Problema / Preguntas
Problema / Preguntas

Justificación

Problema / Preguntas Justificación Objetivos Investigación Alcances de la investigación

Objetivos Investigación

Problema / Preguntas Justificación Objetivos Investigación Alcances de la investigación

Alcances de la investigación

Problema / Preguntas Justificación Objetivos Investigación Alcances de la investigación

Hipótesis

Objetivos Investigación Alcances de la investigación Hipótesis Variables Perspectiva Teórica Sentido Común

Variables

Objetivos Investigación Alcances de la investigación Hipótesis Variables Perspectiva Teórica Sentido Común

Perspectiva

Teórica

Objetivos Investigación Alcances de la investigación Hipótesis Variables Perspectiva Teórica Sentido Común
Objetivos Investigación Alcances de la investigación Hipótesis Variables Perspectiva Teórica Sentido Común
Objetivos Investigación Alcances de la investigación Hipótesis Variables Perspectiva Teórica Sentido Común

Sentido

Común

Sobre el problema (2)  Distinguir:  Población  Ej: Chilenos trabajador es mayores de

Sobre el problema (2)

Distinguir:

Población

Ej: Chilenos trabajadores mayores de 18 años.

Población objetivo:

Ej.: excluyendo Isla de Pascua y Antártica.

Población marco (*)

Ej.: chilenos trabajadores mayores de 18 años residentes en Chile continental afiliados en las AFP a junio de 2010.

Unidad de Análisis:

Individuos (personas) o grupos (ej.: familias, sindicatos).

Unidades de Observación:

Ej.: madres o cuidadoras cuando la UA son niños.

Muestra (*)

Sobre el Diseño Objetivos Alcances Conocer algo Evaluar Evaluar Precisar algo Asociación causalidad Exploratorio

Sobre el Diseño

Objetivos

Alcances

Sobre el Diseño Objetivos Alcances Conocer algo Evaluar Evaluar Precisar algo Asociación causalidad Exploratorio
Conocer algo Evaluar Evaluar Precisar algo Asociación causalidad
Conocer algo
Evaluar
Evaluar
Precisar algo
Asociación
causalidad

Exploratorio

Descriptivo

Correlacional

Explicativo

Manipula

Variables

Sin manipulación

Con manipulación

Tipos de

Diseños

Sin manipulación Con manipulación Tipos de Diseños No experimental Pre- Experimental Cuasi- Experimental

No experimental

Pre-

Experimental

Cuasi-

Experimental

Experimental

Diseños Experimentales  Existencia de al menos:  Un grupo experimental.  Un grupo de

Diseños Experimentales

Existencia de al menos:

Un grupo experimental. Un grupo de control.

Manipulación de la(s) VI:

Presencia – ausencia.

Tipos de VI

Grados de VI

Equivalencia entre grupos:

Antes…. Control de fuentes de invalidación externa

Asignación al azar.

Grupos pareados.

Durante… Aislar el efecto de VI

Todo igual, salvo VI.

Diseños Experimentales R GE O1 X O2 R GE X O1 R GC O3 ̶

Diseños Experimentales

R GE

O1

X

O2

R GE

X

O1

R GC

O3

̶ O4

R GC

̶ O2

R GE1

O1

Xa

O2

R GE1

Xa

O1

R GE2

O3

Xb

O4

R GE2

Xb

O2

R GC

O5

̶ O6

R GC

̶

O3

R

GE.

O1

X

O2

̶

O3

R

GC.

O4

̶

O5

̶

O6

Tema: Grupos naturales?

Diseños No Experimentales * * Transversales Longitudinales: Panel, Cohortes, Tendencias

Diseños No Experimentales

* *
*
*
Diseños No Experimentales * * Transversales Longitudinales: Panel, Cohortes, Tendencias

Transversales

Longitudinales:

Panel, Cohortes, Tendencias

Características generales NO EXPERIMENTAL PRE EXPERIMENTAL CUASI EXPERIMENTAL EXPERIMENTAL Menor control Más

Características generales

NO

EXPERIMENTAL

PRE

EXPERIMENTAL

CUASI

EXPERIMENTAL

EXPERIMENTAL

PRE EXPERIMENTAL CUASI EXPERIMENTAL EXPERIMENTAL Menor control Más variables medidas Más “fácil” de

Menor control

Más variables medidas

Más “fácil” de lograr

Alta Validez externa

Muestra grande

Mayor control

Menos variables medidas

Más “difícil” de lograr

Alta Validez interna

Muestra pequeña

Sobre la Medición MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable

Sobre la Medición

MEDIR

Sobre la Medición MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable Latente

Teoría Clásica

Sobre la Medición MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable Latente

T. Representacional

Sobre la Medición MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable Latente

M. Derivada

M. Indirecta

M. Fundamental

MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable Latente Variable Manifiesta
MEDIR Teoría Clásica T. Representacional M. Derivada M. Indirecta M. Fundamental Variable Latente Variable Manifiesta

Variable Latente

Variable Manifiesta

Sobre el diseño muestral ¿Por qué no un censo?  Censo:  Muy costoso 

Sobre el diseño muestral

¿Por qué no un censo?

Censo:

Muy costoso

Cobertura total: No tienen error de muestreo.

Tienen mayores errores ajenos al muestreo…

Útiles en poblaciones “pequeñas”

Muestra:

Más económico (sentido amplio).

Error de muestreo disminuye cuando muestra es más grande.

Menores errores ajenos al muestreo.

Útil en poblaciones grandes

Lógica de diseño muestral Explorar Muestreo No Probabilístico Inferencia Causal Muestreo PSE (TE) Precisar Muestreo

Lógica de diseño muestral

Explorar

Lógica de diseño muestral Explorar Muestreo No Probabilístico Inferencia Causal Muestreo PSE (TE) Precisar Muestreo

Muestreo No Probabilístico

Inferencia

Causal

Muestreo PSE (TE)

No Probabilístico Inferencia Causal Muestreo PSE (TE) Precisar Muestreo Probabilístico Inferencia Parámetros
No Probabilístico Inferencia Causal Muestreo PSE (TE) Precisar Muestreo Probabilístico Inferencia Parámetros

Precisar

Muestreo

Probabilístico

Inferencia

Parámetros

No Probabilístico Inferencia Causal Muestreo PSE (TE) Precisar Muestreo Probabilístico Inferencia Parámetros
Muestreo No Probabilístico  Normalmente define diseño muestral (tamaño y forma de contacto) en función

Muestreo No Probabilístico

Normalmente define diseño muestral (tamaño y forma de contacto) en función de criterios “teóricos” o “prácticos” (no estadísticos).

Útil en poblaciones desconocidas o pequeñas.

No permite inferencia (problema representatividad)

Implica:

Definición de criterios claros de inclusión y exclusión.

Uso de estadística descriptiva: No corresponde cálculo de IC ni uso de PSE; sólo estimación puntual.

Muestreo para PSE  Calcula tamaño muestral requerido para comparar grupos (encontrar diferencias significativas)

Muestreo para PSE

Calcula tamaño muestral requerido para comparar grupos (encontrar diferencias significativas)

Útil en diseños experiementales (asignación aleatoria) o en diseños cuasi o pre- experimentales. Foco: testear teorías, hipótesis.

Permite Inferencia causal.

Implica:

Definir tipo de prueba adecuada para el problema (plan de análisis).

Definir nivel de confianza, potencia estadística.

Definir tamaño efecto mínimo buscado.

Definir método de reclutamiento de sujetos.

Muestreo Probabilístico  Calcula tamaño muestral requerido para caracterizar a la población.  Útil en

Muestreo Probabilístico

Calcula tamaño muestral requerido para caracterizar a la población.

Útil en poblaciones grandes

“Representatividad” estadística.

Implica:

Contar con marco muestral.

Definir nivel de confianza, error máximo admisible.

Cálculo de tamaño muestral.

Definición de forma de ponderación.

Selección final de casos es siempre al azar.

Contexto 1° Unidad del Curso  Parte 1:  Muestreo no probabilístico  Muestreo para

Contexto 1° Unidad del Curso

Parte 1:

Muestreo no probabilístico Muestreo para testeo de hipótesis.

Parte 2:

Muestreo probabilístico:

Aleatorio simple y sistemático

Estratificado (proporcional y óptima).

Conglomerados (mono y polietápico).

Recursos ú tiles  Programas gratui tos:  MAS: Cálculo de muest reo al eatorio

Recursos útiles

Programas gratuitos:

MAS: Cálculo de muestreo aleatorio simple, plataforma Windows (muy amigable y simple de usar). http://www.aloj.us.es/vmanzano/programas/windows/mas .zip

SOTAM: Cálculo de muestreo probabilístico en versión MS-DOS (no tan amigable, pero útil aunque sólo como apoyo). http://www.aloj.us.es/vmanzano/programas/dos/sotam.zi

p

G-Power: Cálculo de muestreo con fines comparativos,

plataforma Windows (amigable y útil, pero en inglés).

http://www.psycho.uni-

duesseldorf.de/aap/projects/gpower/